PyTorch实现SEnet,用于图像分类,预测结果为96.7%

Batch大小为1,循环次数为1次,损失函数优化完,最终完成评分为96.7。

得分记录
2019-11-10

Batch Size 数据为 1 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 96.7

00:40:59

Batch Size 数据为 1 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 96.1

08:57:06
2019-11-08

Batch Size 数据为 1 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 95

05:20:46
2019-11-07

Batch Size 数据为 1 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 96.4

02:07:42

Batch Size 数据为 1 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 76.4

13:18:17
2019-11-05

Batch Size 数据为 1 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 89.7

22:47:05
2019-11-05

Batch Size 数据为 32 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 73.9

05:15:11
2019-11-03

Batch Size 数据为 32 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 88

16:17:34

Batch Size 数据为 32 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 88.4

11:52:54

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 75.8

04:04:18
2019-11-01

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 90.1

20:22:47

Batch Size 数据为 32 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 80.6

15:22:54

Batch Size 数据为 32 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 82.4

12:49:13

Batch Size 数据为 32 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 78.5

11:01:15
2019-11-01

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 59.3

09:30:30

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 43.9

08:58:20